Physical AI（物理人工智能）指将 AI 从纯数字世界扩展到真实物理环境的技术方向，涵盖机器人、具身智能、物理仿真与世界模型等，被认为是大模型之后的下一波竞争焦点。当前该领域同时呈现基础设施快速成型、评测体系补齐、数据供应成瓶颈三条主线。
Physical AI 近期进展
当前焦点与观察点
评测与实际能力的落差是核心争议之一：PLE 基准的 50.6% 最高得分与实验室演示的流畅表现形成对比，Physical AI 距离可靠落地仍有明显距离。学术侧也在补齐方法论，如面向工业流体系统故障诊断的 PhyNet 框架（arXiv:2610.27891）和量化 VLM 智能体物理自我改进能力的 PhysRSI-eval（arXiv:2610.26848），方向指向更强的物理一致性与可复现评测。
资源层面，智谱参与联发的 1.5 亿美元 AI 基金显示资本正加码该赛道。后续值得观察的三个问题：仿真基础设施标准化（如 Launchables 一类工具）能否降低复现成本、具身数据供应格局是否集中、以及 PLE 这类基准的得分曲线能否快速抬升——它们共同决定 Physical AI 从 "LEGO 阶段" 走向规模化应用的速度。